违约发债主体财务指标特征研究

摘要：本文以市场上的违约债券为样本，对发债主体的财务指标进行了定量分析，通过一定的数理方法筛选出与企业违约特征较为相关的财务指标，并据此提出甄别发债企业潜在违约风险的方法，以为广大投资者提供规避风险的思路。

关键词：信用债 违约特征 Logit模型 财务指标

近来债券市场违约事件频发，各个机构对此高度关注。尽管从整个债券市场的健康发展来看，债券违约有利于债券市场长远发展，可以丰富中国债券市场违约池的可分析样本，但是对于个体投资者来说，当前面临的最大问题是如何规避风险。

违约信用债及违约企业总体情况

自2014年第一只信用债违约起，债券市场违约债券逐年增多，截至2016年5月23日，债券市场已经涉及违约行为的债券共有65只（包括后续兑付债券，见表1），其中由担保人直接代偿的债券有10只，未及时拨付兑付资金的债券有55只，债券违约总金额为379.6亿元。

在全部涉及违约债券中私募债居多，占违约债券的38%，其他类型违约债券数量较为平均。从时间跨度看，近三年违约债券呈逐年递增趋势。债券违约的实质是发行主体违约，通过对发债主体进行研究，有利于进一步分析违约债券特征。

鉴于涉及违约债券的发行主体均是在企业出现偿债压力的情况下违约，因此，接下来本文将不区分“未及时兑付资金”和“担保人代偿”，对所有涉及违约行为的发行主体进行研究。

首先对违约发债企业的基本情况进行分析。表2是全部违约债券对应的36家发行主体企业，其中不包括8只集合票据对应的21家中小企业，这些中小企业有效信息有限，因此本研究不做进一步分析。

36家发行主体企业分布于不同行业，属于不同企业类型，位于不同省域。以证监会行业大类标准区分，36家企业分布在25个行业大类中，从产业分类上看，相对集中，主要分布在工业制造、冶金采矿等资本密集型制造行业，属于传统产业，也是政府去产能、调结构的重点推进领域。

从企业类型分布看，违约企业主要集中在民营企业（见图1）。

从违约企业地域看，36家企业分布于全国18个省份，区域集征不明显。一线城市或者省份相对集中，其中分布在北京、上海、江苏、浙江等一线城市或发达省份的企业共有22家。

违约企业财务信息分析

研究违约企业的地域分布、行业分布、类型分布，能够从宏观上总结违约企业的总体特征，但这对于寻找违约企业更详细信息远远不够。为了进一步发现企业的违约特征，本文从微观角度研究违约企业在违约发生前三年的企业财务信息特征，以寻找更多关于违约企业的独有特征。

（一）财务指标的选择

为寻找与企业违约有关的财务信息指标，这里选用常用的二元逻辑回归模型，即Logit模型。由于14家违约企业财务信息缺失，具备有效信息的企业共有22家，为了与违约企业做对比分析，另选择44家企业作为正常偿债企业代表，44家企业行业分布与违约企业接近，总体纳入研究样本的企业数量为66家。在财务指标选择上，初次指标选择32个（见表3），包括盈利能力指标、偿债能力指标、营运能力指标、成长能力指标、现金流量类指标共五大类。为了更充分揭示违约企业的真实财务信息，本文选取企业违约前三年数据，并且将三年数据均值化，以便于回归分析，总样本容量为2112个样本。

按照Logit回归的一般思路，本文将企业是否违约设定为因变量，影响企业违约的财务指标设定为自变量，因变量赋值为（0，1），违约企业赋值为1，未违约企业赋值为0。首先将全部32个财务指标作为自变量，从理论上讲，在对模型进行回归需要检验自变量的多重共线性问题，由于本研究更关注各财务指标与企业违约的相关关系，以便于实际应用，因此相对放松多重共线性对回归模型的控制。接下来利用SPSS19.0软件，将全部指标纳入模型，结合向前法和向后法，逐步剔除影响模型拟合效果的变量，最后纳入模型的指标共有6个，分别是总资产净利率（XI）、营业利润与营业总收入比（X2）、资产负债率（X3）、非筹资性现金净流量与负债总额比率（X4）、已获利息倍数（X5）、应收账款周转率（X6）。

如前所述，本文在模型回归中适当放松了共线性控制，在指标筛选时适当结合了经验判断对指标进行选择。例如，总资产净利率、营业利润与营业总收入比二者存在一定程度的共线性，但由于这两个指标与企业违约行为均有重要的相关性，且都属于常见的应用性指标，因此本文将这两个指标一并保留下来。表4是模型估算结果。

与一般Logit模型分析不同的是，由于违约样本数量有限，完全依赖模型的回归结果来寻找企业违约特征尚不能完全实现，在样本有限的情况下，本文结合样本信息并考虑经验因素，以最大限度挖掘违约企业所释放的有效信息，找到与企业违约有关的财务信息特征，并尽量缩小财务指标范围，以便在实践中操作。

（二）对各财务指标特征的分析

1.总资产净利率

该指标是企业净利润与平均资产总额的百分比，该指标反映企业全部资产的获利能力，指标越高，说明企业运营越有效，体现出企业管理能力较强。

22家违约企业中，总资产负债率出现负值的共有12家，其中多数企业连续三年总资产净利率均为负值；未出现负值的违约企业总资产净利率也表现出连续下降和盈利能力不足的问题，这说明该指标与企业违约存在相关关系。

2.营业利润与营业总收入比

该指标反映企业主营业务的发展情况，体现企业的战略发展情况和持续经营能力。

22家违约企业中，有13家企业违约前三年营业利润与营业总收入比出现负值，说明这些企业主营业务不景气，企业违约在所难免。

3.资产负债率

该指标是期末负债总额与资产总额的百分比，也是了解企业基本情况最常用指标，反映企业总体负债情况。资产负债率越高，说明企业举债越多，再发债发生违约的可能性越高。

一般来说，不同行业资产负债率标准不同，很难有统一标准，所谓高低更多的是凭借经验和参照行业标准。22家违约企业中，资产负债率超过80%的有11家，且有4家近一年资产负债率超过100%，这说明，尽管行业不同导致标准不同，但是超过100%资产负债率且连续三年资产负债率呈上升趋势的企业，其违约概率逐渐增加。

需要说明的是，并非企业资产负债率低就说明企业没有违约可能，例如波鸿集团（14波鸿CP001的发行人）2011―2013年资产负债率均在50%上下，但企业依然在2015年4月未能及时拨付兑付资金；类似的还有内蒙古奈伦集团、淄博宏达矿业、中成新星油田工程技术服务股份有限公司等，这些违约企业连续三年的平均资产负债率均在50%上下。

4.非筹资性现金净流量与负债总额比

该指标反映企业通过非外部渠道筹措资金抵补负债的情况，现金包括经营现金流入和非经营现金流入。该指标越高，说明企业总体筹措现金能力越强，应对企业全部负债的压力较小。

22家违约企业中，该指标为负值的企业达到16家，这些企业违约前三年通过非外部融资获取资金的能力逐步降低甚至达到艰难的地步，现金输血一旦终止，企业违约风险迅速增加。

5.已获利息倍数

该指标是企业息税前利润相对于企业所需支付债务利息的倍数，反映企业在一定盈利能力下支付债务利息的能力。该指标越高，说明企业偿债能力越强。

22家企业中，有12家企业已获利息倍数为负值，其余企业已获利息倍数在1～3倍之间波动，且集中在1倍左右。企业如果该指标连续为负值，则违约风险大增。

6.应收账款周转率

该指标在流动资产分析中具有举足轻重的地位。企业应收账款如能及时收回，资金使用效率便能大幅提高。应收账款周转率越高，表明企业收账速度越快，一般坏账损失也越少，偿债能力相对较强。

该指标与资产负债率相似，不同企业因产品不同，应收账款周转率不同，需要较多的经验和行业比较才有意义。例如，22家违约企业违约前三年平均应收账款周转率最高达到57，最低只有0.66，比较应收账款周转率平均指标时，应当着重考虑行业平均水平。22家违约企业一个共同特征是，违约前三年的应收账款周转率在逐年下降，反映企业收入转变为资金的能力逐渐下降，企业利用自营业务创造现金能力在减弱。

7.小结

综上分析，违约企业财务指标存在一定的共性特征，利用这些指标，加上专业判断和行业分布、地域分布以及企业类型考察，能够筛选出相对高风险的发债企业。但是需要说明的是，并非具有上述违约特征的企业一定会发生违约，只能说明在信息不对称的情况下，通过外部信息筛查，能发现一些违约可能性较高的企业，在投资时应规避风险，避免“踩雷”。

企业违约特征判别实践

（一）不同行业6类财务指标的比较

为了便于比较，本文将债券市场全部未到期债券按照Wind 资讯行业大类分类标准进行分类，全部行业分别包括工业、材料行业、房地产行业、公用事业、能源行业、电信行业、日常消费行业、可选消费行业、信息技术行业、医疗保健行业十大类，按行业不同分别筛选出6类指标实际数值，财务数据信息来自2015年各发行人年报，去除极端值和不同债券对应的同一发行人重复数据后，10个行业6类指标共取得13312个有效数值。表5、表6是各个行业不同指标的均值和标准差统计情况。

由表5可知，不同行业不同指标差异比较明显。从均值情况看，电信行业、公用事业、消费行业、信息技术、医疗保健行业各类指标情况较好，其中电信行业样本较少，代表性不强，但从其他行业看，收益能力、偿债能力较强的行业多数集中在新兴产业、服务业等轻资本行业。与此相反，材料行业、工业、能源行业等产能过剩、高资本消耗行业总体经营情况不佳。财务指标最差的是能源行业，总资产净利率均值为-0.47%；材料行业勉强为正值；工业略好，也只有1.75%。房地产行业总资产净利率略好，但是资产负债率较高，对负债依赖较大。表6是各个指标的标准差，从各指标波动幅度看，资产负债率的指标相对稳定，各个行业波动情况较为接近，波动幅度差距最大的应收账款周转率，周转率最快的房地产业是最慢的电信业的18倍，该指标波动幅度差距大与行业经营模式不同有关。均值与方差的意义在于揭示各行业的平均水平和波动幅度，以此作为进一步筛选的依据。

为了更加直观地反映各行业各指标情况，本文从投资角度将10大行业分为三大类（见表7），分别考虑了各行业整体收益水平和负债情况，并考虑了行业的稳定性因素。

（二）企业违约特征判别思路

对于目前情况正常的发债企业，笔者认为可以按照逐步筛选的方法，结合投资者风险偏好和专业判断，筛选出高危企业名单。

首先，依据6类指标（可以多选，也可单选）加入行业因素，结合各行业均值情况设定一定的浮动区间，浮动区间可以略大，以确保发现更多的违约可能性；阈值设定也要考虑行业区别，如对于一类投资行业，阈值可以宽松，对于三类投资行业，阈值设定要更加严格。

其次，结合企业类型和评级情况做进一步分析，如对于第一步筛选出的清单，将评级为AAA的企业和中央国有企业剔除；当然也可以根据投资者自身情况做不同设定。

第三，结合外部评级情况进行分析。一般而言，发行人委托的评级机构给出的评级结果要高于非委托评级机构，因此从风险提示的角度出发，应尤其关注非委托人评级结论，做最后筛选。

由于不同投资者风险偏好不同，依据上述步骤筛选出的清单也会不同。出于谨慎性考虑，本文对可能违约的企业不做列示。

相对于国外百分之几的债券违约率而言，我国债券市场目前违约率仅为千分之一，但这种较低违约率的出现存在非市场因素，不利于培养投资者和筹资者的风险意识。笔者相信，基于以上分析，能够将可能违约企业限定在较小范围，也能较好体现出研究的靶向作用。需要重申的是，筛选出的可能违约企业只能说明违约可能，并非确定性结论，还需结合更多因素进行市场判断。

作者单位：龙江银行金融市场部